Le regole del digitale stanno cambiando.
O sei visibile o sei fuori. Noi ti aiutiamo a raggiungere i clienti giusti — quando ti stanno cercando.
Contattaci ora
Il modello ha 816 miliardi di parametri e richiede due Mac Studio.
Meta ha presentato Muse Spark Open, modello open-weight da 816 miliardi di parametri che richiede due Mac Studio con chip M5 Ultra e 512 GB di memoria unificata, generando oltre 36 token al secondo su un cluster di quattro macchine. L'apertura dei pesi non garantisce accessibilità: la barriera hardware resta alta e il vantaggio competitivo si gioca sul costo, non sulla frontiera.
Muse Spark Open: il ‘più capace’ open-weight americano
Quella che sembra una contraddizione è in realtà una strategia precisa. Il lancio di Muse Spark Open arriva pochi giorni dopo l’annuncio del nuovo modello closed di Meta: lunedì scorso l’azienda ha presentato Muse Wonder, il suo primo modello frontier chiuso, parte di una serie che include anche Muse Wonder Full, definiti da Meta i modelli più capaci per le attività personali e professionali svolte da agenti AI. Poi, a distanza di pochi giorni, ecco l’alternativa aperta.
Questa alternanza non nasce dal caso. Come riportato dalla CNBC, la mega-spesa di Mark Zuckerberg sull’AI è iniziata più di un anno fa, quando ha portato in azienda Alexandr Wang per guidare la nuova strategia. In agosto, come documentato da Ars Technica, Meta aveva già annunciato l’intenzione di concentrarsi su modelli linguistici open-weight, con il rilascio di Muse Glimmer e la promessa di aprire i pesi di Muse Spark 1.2 nelle settimane successive.
Per capire la portata dell’annuncio serve una premessa. I pesi sono i parametri interni del modello, quelli che ne determinano le risposte. Un modello open-weight li rende disponibili al pubblico: chiunque può scaricarli, modificarli, eseguirli sui propri sistemi. Un modello closed, come Muse Wonder, resta invece sui server dell’azienda. E dire che Wang non usa mezzi termini: secondo il chief of AI di Meta, Muse Spark Open «è il modello open-weight statunitense più capace fino ad oggi». Meta aggiunge che il modello eccelle in compiti a lungo termine, ingegneria del software complessa e ragionamento multi-step, ed è ottimizzato per funzionare sui chip avanzati M5 Ultra di Apple.
Ma cosa significa “aperto” quando per eseguire il modello servono due Mac Studio di fascia alta? La risposta arriva guardando i numeri.
Il paradosso: open-weight, ma servono due Mac Studio
La risposta arriva guardando i numeri: il modello non è un giocattolo. Muse Spark Open ha 816 miliardi di parametri. L’architettura di memoria unificata di Apple consente alla GPU integrata dell’M5 Ultra di utilizzare fino a 512 GB per Mac Studio: per questo servono due macchine per contenere l’intero modello, come conferma lo stesso blog di Meta. E per farlo girare a una velocità utilizzabile non bastano due macchine: secondo la ricerca di Apple sul machine learning, il modello genera oltre 36 token al secondo su un cluster di quattro Mac Studios.
Qui si apre il paradosso. I pesi sono aperti, chiunque può scaricarli. Ma per eseguire il modello serve hardware che ha un costo: un Mac Studio con M5 Ultra e 512 GB di memoria unificata non è una macchina economica. L’M5 Ultra è il chip più avanzato di Apple, e un Mac Studio con quella configurazione è una workstation, non un computer da ufficio. Meta non ha comunicato cifre, ma il requisito di due o quattro Mac Studio di fascia alta è una barriera concreta. L’apertura dei pesi è una condizione necessaria ma non sufficiente per l’accessibilità: chi ha accesso ai pesi ma non all’hardware, di fatto, non ha accesso al modello.
A questo punto la domanda non è se Muse Spark Open sia tecnicamente aperto, ma per chi è davvero pensato: sviluppatori indipendenti o aziende con budget hardware elevati?
La partita vera: costo e posizionamento
Se il requisito hardware è alto, il vantaggio dichiarato non è la frontiera ma il costo. E questo non è un dettaglio: è il filo rosso della strategia open-weight di Meta. Già con Muse Code il posizionamento era simile a quello di molti modelli open-weight dei laboratori cinesi: non eguaglia le capacità dei modelli frontier di Anthropic o OpenAI, ma compete bene sul costo.
Il che significa che Meta non sta cercando di battere OpenAI o Anthropic sul piano della capacità pura con i modelli aperti. Sta cercando di offrire un’alternativa economicamente competitiva, e di farlo su hardware che, ironia della sorte, è quasi esclusivamente Apple. Non c’è nulla di contraddittorio: è una scelta pragmatica. Ma dice molto su come l’open-weight americano stia cercando di ritagliarsi uno spazio: non la frontiera assoluta, ma il costo per token. Non la ricerca, ma l’operatività.
Per chi fa impresa online, il segnale è chiaro: l’open-weight americano esiste, ma la barriera hardware resta alta; il vantaggio competitivo si gioca sul costo, non sulla frontiera. Tenete d’occhio i benchmark e i prezzi dei cluster Mac Studio, non solo i claim.
